Behoedzaam experimenteren: de nuchtere kijk op AI in journalistiek

In deze aflevering hoor je Laurens Vreekamp, schrijver, journalist en designthinker, die uitlegt hoe AI-toolsjournalisten helpen om uit grote documentensets nauwkeurigere verhalen te distilleren. Vanuit zijn unieke achtergrond als interactiedesigner en voormalig Google News Lab-medewerker onthult hij de subtiele balans tussen technologie omarmen en menselijke creativiteit beschermen in het medialandschap. Dus blijf luisteren! Hoi, leuk dat je weer luistert naar een nieuwe aflevering van AIToday Live. Mijn naam is Joop Snijder, CTO bij Aigency. Mijn naam Niels Naglé, Area Lead Data & AI bij Info Support. En vandaag te gast Laurens Vreekamp. Laurens, geweldig dat je bij ons in de studio wilt komen. Dankjewel voor de uitnodiging. Ja, en zou je jezelf eerst even willen voorstellen aan de luisteraars? Ja, ik ben Laurens Vreekamp en ik ben schrijver, journalist en design thinker. Zo ben ik ooit opgeleid. Interaction design, denk dat het nu digital product design zou heten. En schrijver bijvoorbeeld voor Villamedia. Ik zit ook in het mediaforum van Radio 1 Spraakmakers. Ik heb in 2022 samen met Marlies van der Wees van DPG Media een boek geschreven. Die Art of AI. Ik kwam een half jaar voor ChatGPT uit. En daarna zei iedereen, oh, we willen daar wel meer over. Kan je eens langskomen. Dus ik ben nu op heel veel redacties geweest. Ja, want hoe ben je in het vakgebied van AI gerold? Nou, ik ben dus al in, dat is echt wel al lang geleden, dus in 1999 ben ik interaction design gaan studeren aan de kunstacademie, de HKU. Ja. En onze faculteit stond in Hilversum. Ze wilden dicht bij de media zitten. Dus vooral digitale media, interactieve media, het internet kwam op. Dus ik was altijd wel geïnteresseerd in design en technologie. Maar ook in journalistiek. Maar toen hiervoor moest ik toegelaten worden voor die opleiding. En dan kies ik dat. En wel altijd naar de journalistiek en media blijven kijken. Daar ging mijn eindthesis, heette het dan over. Volgens mij had ik dat iets van hybride nieuwsmedia ecosystemen genoemd. Zo. Met andere woorden, er komen nu ook mensen die geen journalist zijn op en die gaan ook content publiceren online. En de nieuwsmedia moeten daar ook iets mee. Dat heeft wel even geduurd. Maar ik dacht, nou ga ik vast onderzoeken. Want volgens mij is dat interessant. En toen had je nog niet eens YouTube. Dit was in 2003. Maar wel Wikipedia en blogs. Ik dacht, oh ja, daar komt een soort alternatieve sfeer op met mensen die verhalen schrijven. Die hoeven niet altijd waar te zijn. Die gebruiken niet altijd dezelfde methode als journalisten. Maar voor de ontvanger zien ze er ongeveer hetzelfde uit. Was je er vroeg bij? Ja. Ja, ik denk het wel. En ik had het misschien nog beter op moeten schrijven, maar het was ook gewoon vroeg. Ja. En toen heb ik bij verschillende bedrijven gewerkt. Vaak in de media. Dus bij de publieke omroep, KRO-NCRV. Ook bij de kunstbende. Ik heb bij een reclamebureau gewerkt. Altijd als interaction designer. Dus zo kon ik een beetje verschillende takken van sport leren kennen. En toen ben ik gaan lesgeven in 2010. Vond ik heel leuk om te doen. Maar na een jaar of zeven, acht kon je daar eigenlijk alleen maar manager worden. Oh ja. Of promoveren. En dat wilde ik allebei niet. Want ik vond juist het werken met studenten en de inhoud leuk. En toen was ik op zoek naar iets anders. En toen werd ik benaderd door Google. Hun News Lab of Google News Initiative heeft een News Lab. Dus daar experimenteer je met nieuwe digitale vormen van journalistiek. En de vraag was, wil je dat bij ons doen en dan redacties helpen? Ja. En dus zo kwam ik eigenlijk heel leuk vanuit het lesgeven aan studenten naar het soort van ontwikkelen met redacties en journalisten en uitgevers. En dat was 2018. En toen was ik daar bij Google intern. En daar kon je iedere dag wel naar een AI machine learning workshop online of gast spreken. En toen dacht ik, ja, dit is toch wel interessant. Dus ik heb daar het een en ander gevolgd. En toen dacht ik, dit gaat wel impact hebben. Ja. En toen liep mijn, ik was dan een teaching fellow, heette dat dan. Dat waren tijdelijke banen. Ja. Ja. Ja. Ja, functie. En toen, nadat het een keer verlengd was, toen zeiden ze nou even kunnen kijken of er nog wel iets anders te doen is. En toen kwam corona. Toen zeiden ze, we mogen niemand meer aannemen. Hiring freeze. Geen nieuwe projecten meer. Dus dit was het. Ja. En toen dacht ik, oké, nou, met wat ik gezien heb aan wat er aan machine learning ook voor journalisten en in de media allemaal te doen zou kunnen zijn. Misschien ga ik me daar dan maar op berichten. Ja. En dan ga ik dat denk ik maar zelf doen. Ja. Dat heb ik gedaan. Mooi. En wat je zegt van in 2018, zo van, hé, dit is misschien wel wat, hè. Wat is er geworden van wat je toen dacht van in de zin van, deze technologie gaat zich verder ontplooien? Nou, wat ik toen zag, dat heet dat tegenwoordig. En jullie hadden het er geloof ik met Charlotte Meindersma ook over. Die zeiden van, ja, er is veel meer dan generative AI dan die generatieve AI. Ja. En die was het toen eigenlijk nog niet zo. Ja. In 2018 was dat helemaal niet bekend en ook niet zo goed als nu. Maar dat heet, nu heb ik met terugwerkende kracht vorig jaar gelid, discriminative AI. De oude vorm. Ja. En dus de discriminerende, dus degene die onderscheid maakt. En dat was eigenlijk, dacht ik, maar dat is heel handig voor journalisten. Want als je dan bijvoorbeeld een bak met satellietfoto's krijgt, dan kun je daar zonnepanelen of ontbossing of Russische loopgraven op herkennen. En ja, dat kan je met de blote ogen niet de hele middag zitten doen of je ziet het niet altijd. En dat kan een machine wel. Ja, en dat discrimineren is niet het discrimineren van mensen, maar onderscheid maken in klasses. Ja, in klasses inderdaad. Dus dit kan filteren en klussen. Deze dingen horen bij elkaar of hier staat het wel op en hier zie ik het object niet. En dat kon zowel in tekst en beeld. En dat leerde ik dan al zeg maar achter de schermen bij Google. En dan hadden ze wel wat ideetjes wat de journalistiek ermee zou kunnen. Dus voor beeld en tekst. En hoe je documenten snel op entiteiten kunt doorzoeken. Bijvoorbeeld dat die mensen, locaties en organisaties herkent. Ja. Nou, dat is hartstikke waardevol voor journalisten. En niet alleen omdat het dan je sneller maakt of efficiënter, wat we nu vaak horen. Maar vooral ook omdat het je helpt. Want als ik dus dit soort hele grote documentensets kan doorzoeken of deze beelden, dan kan ik ook andere projecten gaan doen. En een mooi voorbeeld daarvan, om er maar meteen een te noemen. Ja, graag. Dat heeft NRC twee jaar terug gedaan, geloof ik. Dat heette de Wilde Tuin. En dan hebben ze gevraagd aan lezers, zou je een jaar lang je tuin willen laten verwilderen? En dan een vierkante meter, als je daar niet helemaal comfortabel mee bent. En toen deden er 8500 mensen mee. Zo. Je kunt je indenken, als iedereen die meedoet, iedere week een fotootje stuurt, dan zegt, nou, mijn mestkever is er al. Die madelief, die heb ik nog niet gezien. Of de sneeuwklokjes bloeien al. Ja, dat gaat niet lukken voor 8000 mensen. Dus weer schaal en snelheid. En zij wisten daar op de redactie, want we hebben ze samengewerkt met Opsidentifywaarneming.nl. Dus die kan dan schimmels, paddenstoelen, planten, insecten, van alles herkennen. En zij wisten, als we die technologie kunnen inzetten, dan kunnen we dus het publiek uitnodigen om mee te doen. Want anders werd het, zoals het vaak gaat, anekdotisch. Rijdt iemand naar Zeeland, rijdt iemand naar Groningen en die zegt, nou, je valt dat op. We spreken met een paar biologen en wetenschappers. En dat wordt het stuk. Nu konden ze een jaar lang allerlei kaarten maken en die klimaatverandering in Nederland dus echt letterlijk in kaart brengen. En dus van meer dan 8000 datapunten, zou je kunnen zeggen, mensen. En dat vind ik altijd het mooie van het toepassen van machine learning. Dit is eigenlijk de oude variant. Als je weet wat je met de technologie kan, dan gaan er ook conceptuele luikjes in je brein open. Dan kun je nieuwe dingen verzinnen. Dus ik vind altijd het argument van je wordt sneller en kun je drie items monteren, straks zes. Wie is daarmee geholpen? De kijker misschien niet, want die krijgt meer informatie over zich heen. De journalist doet hetzelfde, maar dan een paar keer extra. Maar als je nieuwe dingen kunt doen en bijvoorbeeld vooral publiek betrekken, dat is in de journalistiek nu heel belangrijk. Ja, dan vind ik deze technologie heel interessant worden. Ja, dat is wel mooi. Ik heb eigenlijk ook wel een voorbeeld. Want ik had een student en die had ook onderzoek gedaan in die hele grote... Het ging over onderzoeksjournalistiek. Je had natuurlijk de Panama Papers bijvoorbeeld. En dan had je het over, weet ik veel, 10.000, 100.000 documenten. Om die aan elkaar te linken voor de onderzoeksjournalisten van bijvoorbeeld Follow the Money. Dat ze weten van, dit setje van documenten hoort bij elkaar en dat gaat dan over zo'n schimmig bedrijf hier. Precies. Waardoor zij beter eigenlijk de materie weer in konden duiken of dat konden verdelen. Ja. Ja, daar zag je de eerste voorbeelden van. Dus dat is ook weer vaak entiteitsherkenning. Dus hij scant teksten. Je kunt zeggen van, zij kan clusteren. Deze documenten horen bij elkaar. Daar zitten steeds dezelfde bedrijven, dezelfde naam in. Of het gaat over hetzelfde project. Maar ook, bijvoorbeeld, al die papers heten met een P. Je had de Paradise, de Panama en wat meer. Deze ook expres, geloof ik. Maar volgens mij in een van die papers kwam Wopke Hoekstra ook voor, geloof ik. Die had ook echt geld op de Kaaiman-eilanden, een investering. Maar het interessante is, als je dus zo'n WOO-verzoek, zo'n wet openbaarheid overheid, als je die documenten krijgt, dan krijg je tienduizenden PDF's en Excel-sheets en mail. Succes. Hox en zo. Succes. En waar begin je? En dat hebben ze heus wel uitgedacht, die onderzoeksjournalisten. Doen ze vaak samen. Dus ze doen dat al heel methodisch. Maar het is natuurlijk wel fijn als je al heel gericht bijvoorbeeld op Nederlandse bewindspersonen kunt zoeken. Of Nederlandse celebrities of voetballers. Volgens mij zat Messi er ook bij. Maar die komen dan, als je zo'n tool van Google heeft, een tool heet Pinpoint. Die haalt automatisch al die entiteiten naar boven. Dus ze zien al, ik zeg dat altijd tegen journalisten, eigenlijk iedereen die een Wikipedia-pagina heeft, die herkent hij eigenlijk. Daar kijkt hij ook naar. En ja, zij vinden dat heel fijn. Ik had dat laatst ook bij een onderzoeksjournalist die freelance is. Die zei, ik heb toegang bij het Openbaar Ministerie tot allerlei soort van dagvaardingen. En dan zoek ik naar bepaalde, bijvoorbeeld of een predikant of dominees, daar schrijft zij vaak over, of die bijvoorbeeld voorkomen in een van die PDF's. Maar de ene keer staat er een evangelische gemeente van dit en soms dominee, maar om dan op 600 PDF's iedere week de Ctrl-F te doen. Dat is een beetje lastig. Dan zou ik daar geen model op kunnen trainen. En dus hebben we het met over gehad. En nu gebruikt ze bijvoorbeeld een aantal van die filteringstools. Maar toen zei ze, ik ga nu van zes uur naar een half uur tijd. En dan kan ik veel beter richten op welk verhaal waar ik verder achteraan moet. Dus natuurlijk wint het de tijd, maar het heeft voor haar veel meer impact dat ze originele stukken kan schrijven. Ja. En tijd heeft voor de diepgang die ze wil opzoeken. Precies. En dan heeft ze meer tijd om dingen uit te zoeken, om mensen op te bellen, om ergens naartoe te gaan. Zou je kunnen zeggen dat het gaat over nauwkeurigheid? Dat is omdat je misschien beter de informatie vindt, dat je een beter totaalbeeld krijgt? Ja, dat heeft wel misschien met nauwkeurigheid te maken. Een ander voorbeeld is, vond ik ook leuk, van een journalist die schrijft voor Kijk. Ja. En dan schrijft hij vaak over wetenschappelijk onderzoek bijvoorbeeld naar planeten, sterrenkunde. Een beetje in die hoek. En die zei, ik zoek dan naar tot de verbeelding sprekende papers. En dan komen er iedere week ook honden uit op van die arxiv servers. En zei, ja, die kan ik niet allemaal doorlezen. En over nauwkeurigheid gesproken. Dus nu heeft hij een model getraind. Hij heeft al heel veel artikelen geschreven. Dus hij kent de papers die tot de verbeelding spreken. Nou, die heeft hij als voorbeeld gegeven. En hij zegt, nou, kun je hier een soort model van maken tegen een machine learning omgeving? En die dan voor elke paper kijkt, spreekt hij tot de verbeelding? Ja of nee? Oh, wat goed. En dan is het leuk, want dan heb je dat precision and recall. We moeten het Nederlands houden, want dat is ook alweer de... Oeh, dat is een hele lastige. Maar misschien kan je de term even gewoon uitleggen. Ja, dan moet ik het goed uitleggen. Want precisie is dat wat je terugkrijgt klopt. Bij criteria. Volgens mij komt dit al uit de information retrieval informatie. Ja, de zoekalgoritme. De zoekalgoritme. Dus precisie is dat wat je terugkrijgt klopt. En recall is, ik wil gewoon veel terug. Ik wil meer een sleepnet. Dus dan weet ik ook dat wat erin zit klopt. Maar er zit ook heel veel bijvangst. Volgens mij is dat recall. Dus hoeveel weet hij te herkennen van het totaal. Van het totaal, ja, precies. Wat er is. Ja, dus als er tien artikelen te vinden zijn over dat onderwerp wat je hebt, wil je ze eigenlijk alle tien. Ja, en als hij er ook precies tien geeft en ze zijn allemaal goed, dan is het honderd honderd. Ja, als hij er twintig geeft, maar die tien zitten er tussen. Dus dan is de recall goed, maar dat is precisie niet. Precies. Ja. En hij zei van, ja, er komen zoveel papers op die server, die kan ik nooit allemaal lezen. Dus ik mis ze sowieso. Dus als hij er eentje voor me vindt, dan heb ik al winst. Ja, geweldig. En dat lukt nu vrij aardig. Er zit dus ook wel wat bijvangst bij. Maar hij zei, ja, ik wist toch al dat ik ze zou missen. Dus oké, dat helpt hem filteren. Dus om nauwkeuriger te zijn, welke papers moet ik lezen? Maar ook weer, ik ben origineler. Want anders heeft bijvoorbeeld het Academische Instituut, wat een grote PR-machine heeft. Dat kan heel makkelijk een onderzoek pushen. Wat misschien niet het interessantste is. Maar nu zit er geen filter tussen van een autoriteit of mens. En bepaalt mijn model of het voor mij tot de verbeelding spreekt. Dus in die zin kan hij nauwkeuriger aangeven welk onderzoek hij interessant vindt. Dan dat bijvoorbeeld een andere entiteit het doet. Een academisch orgaan, een overheid, een bedrijf. Dus ik hoop dat dat jouw vraag van hand over nauwkeurigheid. Je kunt hem ook zelf dan bepalen inderdaad. Ja, mooi. Ik ben wel nieuwsgierig vanuit de journalistieke kant. Ik heb even wat artikelen van je ook teruggekeken over datajournalism. En fact-checking. Maar de hoeveelheid data neemt enorm toe. Nu eigenlijk alle voorbeelden hebben we al van hoe ga je nou daar het kaf van het koren scheiden. Wat interessant is. Hoe zou AI kunnen helpen voor die fact-checking? Ik heb daar vorige week toevallig een workshop over gegeven. Hoe het werkt, ook uit de wetenschap, dat is vaak zo als het gaat om feiten verdraaien en misinformatie. Wat één iemand in de wereld fake news heeft genoemd ooit. Dat is een onhandige term om te gebruiken. Maar het gaat vaak over misinformatie. Dat is dan voor de definitie informatie die iemand verspreidt die niet weet dat het niet klopt, maar denkt dat het waar is. Dus dat is misinformatie. Dan is de intentie op zich oké. En dan heb je nog desinformatie. Dan weet je dat het niet klopt en dan heb je er dus iets mee te winnen. Ze hebben zelfs een term die heet malinformatie. Dan verspreid je het om echt iemand willens en wetens pijn te doen. En bij desinformatie hoeft het niet pijn te doen, maar kan het jou bijvoorbeeld geld opleveren of politiek gewin. Die voorbeelden kennen we ondertussen te over, helaas. Het factchecking is dan, er zijn tools die bestaan al een aantal jaar, die helpen je om een uitspraak, bijvoorbeeld teksten, die heet Factrank. Wat die doet is, die kan bijvoorbeeld radio uitzendingen waarin politici te gast zijn, vergaderingen in de Tweede Kamer, die worden vaak getranscribeerd door AI al. Dat is de oude variant. En dan kan deze Factrank zeggen, hier doet iemand een uitspraak, die zegt bijvoorbeeld, er zijn zoveel Chinese auto's geïmporteerd in 2023 naar Nederland. Noem maar wat. Dan zegt Factrank, dit is een statement wat je kunt checken. Hier doet iemand een claim, dus hij herkent claims, maar hij gaat dat nog niet automatisch voor je doen. Oh, zo ja. Want, dat blijkt dus weer heel ingewikkeld, want wanneer is een claim de moeite waard om gefactcheckt te worden? En je kunt je voorstellen, als het een debat is tussen twee presidentskandidaten of de laatste avond voor de Tweede Kamerverkiezingen, dan zijn heel veel statements de moeite waard. En dan is het natuurlijk heel handig om, dan heb je die factrank misschien min hard nodig, want dan zitten die journalisten wel op statements te letten. En er zijn nu wel tools die dat zeggen dat kunnen doen. Google heeft al zijn tool, die heet ook geloof ik Factcheck, Factcheck Explore, dan kun je kijken, deze uitspraken zijn die al gecheckt door anderen, dus meer een soort database waar je hem tegen aanhoudt. Nou, dat is nu gekoppeld door een partij die heet GPT Zero, sommige mensen kennen die, want die zegt te kunnen vertellen of een tekst met AI is geschreven of niet. En dat is een hele moeilijke, want dat is echt een kat en muisspel, want daar worden mensen weer heel handig in. Ja, en die heeft een behoorlijke foutmarge. Precies. Die GPT Zero, die wordt ook wel gebruikt in het onderwijs. En daar heb je dan... Ja, en het is heel vervelend als er gezegd wordt van het is door AI geschreven, terwijl studenten hard aan gewerkt heeft en valselijk beschuldigd wordt. Ja, en volgens mij zijn er voorbeelden van, zeker in Amerika ook weer, dat dan de student zich moest verdedigen, terwijl hij zei, ja, nee, ik heb het gewoon... Omgekeerde bewijslast. Ja, dus dat is niet heel ver natuurlijk. Maar over die factchecks nog wat wel aardig is, is je hebt dus zo'n Factcheck Explore, dan kan je die eerder gedane uitspraak al checken of iemand het al gefactcheckt heeft, dus dan kan je hem valideren met wat bekend is. Die GPT Zero, die zegt dat ze dat nu kunnen automatiseren, dus dan doet iemand een claim en dan gaat hij al kijken of dat... Misschien zelfs met datasets, dat kun je je voorstellen, CBS, ANP, noem maar op. Precies. Maar wat ook altijd handig is, dat kwam in die workshop ook naar voren, je kunt het altijd met technologie checken, die zijn nooit waterdicht. Maar er is zo'n mooie uitspraak geweest, you cannot fix society with technology. Dus je kunt de maatschappij niet fixen als het kapot is met technologie alleen. Dus we hebben ook een mindset nodig en dat is nu met AI ook weer aan de hand. En een van die dingen is dan altijd, dat zeggen factcheckers ook altijd, wat is de intentie? Wie zou hier belang bij hebben? Dus als jij denkt, dit verhaal is te goed om waar te zijn, dan is het vaak ook zo dat die intuïtie werkt dan. Maar het gaat er meer om, er wordt een bericht verspreid, hier heeft iemand, ondervindt iemand hinder van. En iemand zal er waarschijnlijk baat bij hebben. Wie zou dat kunnen zijn? En waarom zou dat op deze manier verspreid worden? En dat helpt je vaak om te zoeken waar iets vandaan komt. Nou, dat is een manier. En er is nog een andere manier, dat is dat pre-bunking. En dat, dus debunk is het Engelse woord voor, we vertellen je dat het niet klopt. En iemand zegt dit, maar dat is helemaal niet waar. Maar pre-bunking, dat doe je dus vooraf. En dan zeg je, er komen verkiezingen, of iemand komt hier met een campagne aan, en die gaat waarschijnlijk dit beweren. Rondom lentekriebels, en dat was dat in Nederland. En nu bijvoorbeeld, nou laatst dat Trump, dat hij dan bijvoorbeeld het propagandaverhaal van Poetin zou napapagaien. Daar zou je van kunnen zeggen, nou in het narratief van Poetin rondom Oekraïne, zegt hij altijd de volgende dingen. Trump heeft nu dit ding gezegd, van het is een, hij is niet verkozen, Zelensky. Wat niet klopt, want in de oorlogstijd mag je aanblijven. Maar dat is één van de elementen die in het verhaal van Poetin zitten. Dit zijn drie andere elementen. Daarmee help je je publiek om je vast voor te bereiden op. En dat heet dan pre-bunking. Dus je ontdoet zeg maar de kracht al voordat het gaat gebeuren. En het idee daarachter is, dan leer je mensen hoe dit soort tactieken werken. En het geeft een goed gevoel, want je hebt een soort voorkennis. Precies. Dus je wordt er ook wat, ja je voelt je er wat beter, je bent iets meer in, je hebt voorkennis. Dat is altijd een fijn gevoel, toch? Ja, nee zeker. Je kan iets aanzien komen. Ja, en dat bedoel ik. Ik denk nog altijd dat je instrumentarium nodig hebt. Dus dat je die fact check explore en fact rank en dat GPT-zero, dus die zou ik zeker ook gebruiken. En je hebt deep fake tools die scannen of pixels gemanipuleerd zijn. Die gebruiken er allemaal verschillende modellen voor. Of de lip- en de oogbewegingen wel natuurlijk genoeg zijn. Dus technisch heb je die gereedschapskist nodig, maar je hebt dus ook een tactiek nodig, of een strategie. En die combinatie, die helpt je wel om in ieder geval misinformatie, desinformatie en fact checking. En wordt het al veel gebruikt in de praktijk? Ja, zeker fact checkers. En volgens mij heeft iedereen zichzelf respecterende redactie van Nieuwsmede hebben fact checkers. Ja. En juist omdat je er zo vroeg bij was, heb je natuurlijk ook heel mooi kunnen zien, zeg maar, het verloop van de adoptie. Hoe zit dat in de journalistiek? Was het makkelijk, zeg maar, dat mensen deze technologie omarmen? Hoe kijk jij daarnaar? Ja, dat is wel een leuke vraag, Joop. Want het viel mij eigenlijk op dat de meeste journalisten wel nieuwsgierig waren. En dan, dat heeft Freek Staps, want ANP, die heeft dat heel mooi een keer genoemd. Behoedzaam experimenteren. Dat past de journalistiek ook goed, zeg maar. Ja, dat mensen wel nieuwsgierig waren, maar niet overenthousiast, maar ook niet te sceptisch van, dat ga ik niet gebruiken. Volgens mij hebben jullie met Charlotte Meidersma of wat, ja, ik hoef niet AI geletterd te zijn. Dat heeft geen journalist gezegd. Dit waait wel over, of zal mijn tijd wel duren. Nee, dat ben ik niet tegengekomen. Mijn soort van hypothese is dat het internet is te lang genegeerd destijds, toen het internet opkwam en hij zou nieuws van de smartphone lezen. Nou, daar zijn ze ondertussen wel van terug naar een koude kermis. Maar dat werd toen met bijvoorbeeld Facebook en social media, dacht ik, ja, we hebben eigenlijk dat internet te veel genegeerd. Dat heeft ons niet goed gedaan. Dus met social media zijn ze al ingegaan, hebben ze zich helemaal lekker laten omarmen, of ze hebben Mark Zuckerberg omarmd. En kwamen er toen achter, als hij iets aanpast, dan zijn wij weer de sjaak. Dus als hij zegt, jullie moeten video's maken, gaan we dat doen? Zegt hij daarna, we gaan geen nieuws meer in de feed zetten, want mensen hebben er geen zin in. Dan zijn we al dat verkeer kwijt, al dat traffic. Dus ik denk dat daar schade en schande, dus eerst negeren, dat was niet goed. Helemaal omarmen was ook niet goed. Denk je, oké, nu komt AI als een soort derde grote paradigma, verschuiving binnen de mediawereld. Hier moeten we maar eens gewoon goed naar gaan kijken. Dus ik zou, dat is mijn hypothees, de journalistiek is in die zin, en de mediawereld volwassenen geworden. Die heeft gewoon gekeken, nou, wat kunnen we gebruiken? Wat moeten we vooral niet doen? Ik zag dus heel snel, op heel veel redacties, ik ben in heel veel Nederlandse redacties geweest, maar ook in België, en in Amerika zag je het ook al wel, en nu heeft iedereen AI-guidelines, AI-richtlijnen, heeft eigenlijk elke redactie. Ik hoor daarbij wel vaak van, gewone redacteuren op de vloer, ja, ik weet dat we ze hebben, maar ik heb ze nog niet gelezen. Ja, dat is altijd lastig. Er staat eigenlijk altijd in, human in the loop, mens in het proces, die begint en die zet het in gang, en die controleert aan het eind, want de mens is altijd verantwoordelijk. Ik zei laatst nog, er heeft nog nooit een machine vastgezeten, volgens mij, of een boete gekregen, denk ik. Dus dat hebben ze allemaal in hun richtlijnen staan, van je bent zelf verantwoordelijk voor wat je, waarvoor je AI inzet, en sommige dingen mogen ook niet. Je ziet bij bijna, bijna alle nieuwsmedia wel zeggen, we willen geen teksten die bijvoorbeeld door een chatbot zijn geschreven, zonder tussenkomst van mensen, gepubliceerd hebben, dat mag niet. Nee. We willen geen beelden, geen fotorealistische beelden, die door AI zijn gemaakt, publiceren op onze websites of op papier, gebruiken we niet, tenzij het over die tool gaat, over die software. Maar dat is bijna overal no-go. Dus dat soort dingen zie je wel. En daar waren ze vrij snel mee om die richtlijn in. En ik merkte ook dat redacties daar, journalisten daar blij mee waren. Die zeiden, soms vind ik het misschien wel jammer dat de dingen niet mogen, maar het is in ieder geval duidelijker dan dat niemand weet hoe we dit nou gaan aanpakken of niet. Dat helpt gewoon, ja. En ik vind die volwassenheid wel heel erg mooi, want uiteindelijk moet je natuurlijk ook kijken naar de gulden middenweg, toch? Ik bedoel, de doemscenario's hebben we niks aan, en de piepverhalen hebben we ook niks aan. Je moet heel goed kijken wat past, wat helpt, en wat je wil. Ik vind het heel mooi dat er vooral waarden zijn vastgelegd, toch? Hier staan we voor. Ja, en wat mij ook opviel, en ook dat is weer meer mijn observatie, dus daar durf ik geen wezen, een beetje een echte lijn in, trend in te zien, is dat omroepen en redacties, die al heel duidelijk een soort signatuur hebben, vanuit een duidelijke beschreven overtuiging opereren, veel makkelijker die beslissingen kunnen nemen om het wel of niet te doen. Een daarvan was, was een tijdje terug op de VPRO, die hadden gezegd van, als we niet weten met welke data die systemen getraind zijn, dat ging dan vooral om generatieve AI, als we niet weten welke fouten die zoal genereert, als we niet weten of mensen zijn vergoed, wie data is gebruikt bijvoorbeeld, als we niet weten welke vooroordelen er standaard in zitten, als we dat allemaal niet goed weten, dan kunnen we de AI niet gebruiken bij de VPRO. En dat kwam er eigenlijk om in, dat je vrijwel niets van generatieve AI kunt gebruiken, tenzij het helemaal zelf bouwt, en dan nog is het heel lastig. Daar zijn ze ondertussen wel weer een beetje van terug, want dat is dus wel heel principieel, en dan sluit je heel rigide. Heel rigide inderdaad. Maar ik zag het bijvoorbeeld ook bij bij een Nederlands Dagblad of de EO, en die hebben bijvoorbeeld, dat bij de EO vond ik het aardige, daar zeiden ze van, we gaan er van uit, dat is nu ondertussen al best wel veranderd, maar dat Silicon Valley, heel erg zo'n libertarische, een beetje linkse ideologie, heeft een wereldvisie. Dat is niet per se de christelijke inhoud, als waarheid geldt. Dus bij ons, en ze zijn ook een publiek omhoog, bij ons mogen de taalmodellen, alle inhoud van de EO opzuigen, zeg maar, op schrapen. Dus laat die scrapers maar lekker binnen, want dan komt onze smaak, ons geluid komt wat meer in die taalmodellen terug. Dat was een idee. Ik weet niet of dat ondertussen nog zo is, maar die hadden daar een soort proactief beleid in. Dat is best wel tegenovergesteld, denk ik. Van andere uitgevers zeggen, nee, jullie betalen niet, jullie vragen geen toestemming. Zoals bijvoorbeeld de New York Times, die dan open en ja, het bedrijf achter ChatGPT aanklaagde, voor onrechtmatig gebruik. In Nederland is dat ook de houding van bijna alle nieuwsuitgevers. Dus dat was een interessante. Maar dat de EO zegt, nee, kom het maar, we komen het zelfs naar je toe brengen. Ja, zo ver ging het niet. Maar ik vond het aardig, omdat ze vanuit overtuiging, veel sneller ook weer misschien, en misschien ook dus beter, of nauwkeuriger, zoals jij zei, Joop, in staat waren, om te bepalen, dit doen we wel met AI, en dit niet. Nou, ik denk, weet je, als je voor jezelf heel helder hebt, wat je beleid is, wat je waardes is, dat het dan ook heel makkelijk is, om daar keuzes in te maken. En mooi inderdaad, dat het dus omgedraaid wordt, om evenwicht te krijgen in de dataset, dat de EO dus inderdaad de data gaat aanbieden, om te kijken, hoe krijg je die balans in de data, door het juist niet tegen te houden. Ik vond het wel een mooie omgekeerde blik erop. Ja, en of het in de praktijk ook zo werkt, dat durf ik steeds meer te betwijfelen. Want, ja, we weten nu dat taalmodellen zijn geen waarheidsmodellen, geen nieuwsmodellen, dus het zijn, zoals zo'n bekende paper, het zijn stochastische papagaaien. Ja. En ik moest stochastische ook opzoeken, toen ik dat voor het eerst had, maar dat heeft te maken met kansberekening, geloof ik. En dat is het berekenen gewoon de kans, als je vraagt, in mijn koffie heb ik, nou dan is het melk, suiker, dat is de grootste kans dat je dat bedoelt, maar niet wakeboard bijvoorbeeld, want dat zal bijna niemand ooit opgeschreven hebben. Dus, ja, die kans is gewoon heel klein, dat hij, als er relatief weinig christelijke content inzet, dan zal hij die toch altijd minder als kansrijk zien, als de juiste zin. Precies. Dus ik denk dat het, ja, water naar de zee dragen is in die zin. Ja. Maar, ik denk dan dat het toch het punt terug te pakken is van, weet als organisatie je kernwaarde, waarvoor je staat, en je principes, en misschien wel je ethische richtlijnen, want dat maakt het maken van keuzes en adoptie, dus makkelijker, als ik hem even van mezelf zo vertaal. Ja, dat denk ik wel. En dat is volgens mij, dat is ook wel weer fijn, want dat is altijd, hoe zal ik het zeggen, technologie agnostisch. Dus dat je als bedrijf weet, voor wie zijn we er, wat maken we, of je nou inderdaad verhalen brengt, over wat er in de wereld aan de hand is, of je verkoopt frisdrank, volgens mij maakt dat niet eens zoveel uit. Als je weet waartoe je op aarde bent, wie je publiek is, wat je wil bereiken, wat de kwaliteit is die je brengt, dan zijn keuzes maken voor bepaalde technologieën, hoe je toepast, is volgens mij dan ook eenvoudiger. Dat geloof ik wel. Ja. Ja, maar dat is niet voor ieder bedrijf, of organisatie, dat is heel logisch. Je hebt het boek van Simon Sinek. Oh ja, de what, how, why toch? Ja, precies. Why, how, what. Why, how, what. Ja. En dat gaat natuurlijk heel erg over, weet je, dat je heel duidelijk voor jezelf de waarom vragen hebt, wat je wil bereiken met je bedrijf. En als je dat maar helder hebt, dan zijn technologische keuzes makkelijker, ethische vraagstukken zijn makkelijker. Dus daar begint het eigenlijk. Volgens mij heeft hij ook het boek, het begint bij waarom. Ja. Ik sprak laatst een basisschooljuffrouw, die heeft les in groep 7-8. En die, dat vond ik heel interessant, die is dus met haar leerlingen, met chatbots aan het werk. En vooral, en haar uitgangspunt was, ja, deze kinderen komen in de maatschappij waarin AI toegepast zal worden. Dan kunnen ze toch, dit is een tool van nu, en ouders gebruiken dit waarschijnlijk, ook mensen in de omgeving. Misschien oudere broertjes of zusjes gebruiken het al in de middelbare school waarschijnlijk. Dus we moeten het hier over hebben. Niet om ze daar zeg maar, geletterd in te maken van, ga het overal maar voor inzetten. Maar meer om er gesprek over te hebben. Dus dat is haar doel. En wat ik aardig vond, is dat zij blijkbaar een goede IT hadden. Ze hebben daar een AI computer. En die is losgekoppeld van wifi, geloof ik, van internet. Dus dan gaat ook geen data, het klaslokaal uit, of van die computer af. Dus dat is een speciale computer, daar mogen ze dan om de beurt op intekenen. En dan krijgen ze wat opdrachtjes. En dan hebben ze nagesprek over met de klas. En volgens mij heeft hij dan een paar van die taalmodellen gedownload. Ja, lokaal draaien. Precies, lokaal draaien van Llama. En misschien zelfs DeepSeek, de Chinese versie. En dan heb je er nog een paar Mistral en zo. En dan dacht ik, dit is wel goed vooruitdenken. Dus we moeten ons aan de wet houden. Niet alleen de AI Act, maar ook AVG. Het gaat hier om kinderen. Dat moet je mee oppassen. Dus dan dacht ik, nou, dit vind ik, dit vooruitstrevend. Vooruitstrevend. Ja, zeker. Mooi. En zij had er wel weer wat observaties. En ik weet het weer niet of die gelden voor iedereen. En zij zei, ik zit in groep 7, 8. Dus kinderen gaan hier naar een middelbare school. Kinderen die een wat hoger schooladvies krijgen, viel haar op. Die zijn beter in specifieker prompten dan kinderen die met een lager schooladvies. Want kinderen met een lager schooladvies, zij zei bijvoorbeeld, die zeggen dan, geef me een recept voor eten. En dan kinderen die in een hoger school, die zeggen, ik wil graag iets met kip en rijst, maar geen Italiaans. Oh ja. En die krijgen dan al gerichtere antwoorden. Ze zei, dus daar zie je al het denken in. En als wij prompten belangrijk vinden, dan moeten we daar al het gesprek. En dan zit daar dus alweer een verschil. Ja, dat zijn ook eigenlijk communicatieve vaardigheden. Precies. Ja, dat is ook wel weer goed om het vanuit het kinderperspectief naar AI te kijken. Want dat doen we ook niet vaak. Ja, zeker. En het gesprek aan gaan, daar hebben we een thema voor in de podcast. Ja, heel mooi brugje. Ja, precies. Dus wij willen hier even een stelling uit ons kaartspel voorleggen. De categorie van de stelling is wetgeving en beleid. En de stelling luidt, strengere regulering is nodig om data misbruik door generatieve AI tegen te gaan. Strengere regulering is nodig om data misbruik door generatieve AI tegen te gaan. Daar ben ik het wel mee eens, denk ik ja. En dat komt ook vooral omdat we zitten nu in een geopolitieke situatie die heel erg om technologie draait. Ja. En waarbij Amerika en de Verenigde Staten hebben. veranderen van als je innovatie tegen. En dat is een heel mooi boek van Marietje Schaken. "De tech coup". Ik weet niet of ik was het aan het lezen toen Trump aan de macht net herkozen was. Echt een aanrader om te lezen. Echt een aanrader. En zij zegt bijvoorbeeld twee dingen. Eén, dat is niet waar. Als je innovatie reguleert, dan ga je het niet tegen. Want zij zegt, je hebt een genetisch gemodificeerde organisme tegenwoordig. Dus dat kan ook voedsel zijn. Is zwaar gereguleerd, want dat kan best gevaarlijk zijn als het misgaat. En in de geneeskunde gebruiken we dit in de voedselindustrie. Daar is regulering heel zwaar. En dat zijn onwijs innovatieve en concurrerende industrieën. Dus dan gaat dat argument gewoon niet op. En zij zei, iets anders wat belangrijk is, is het voorzorgbeginsel. En daar heb ik weinig mensen over gehoord. En dat was een eye openener uit dat boek van mij. En zij zei, ja, weer bij geneesmiddelen of genetisch gemanipuleerde organismen. Dan kijken we van, oké, als er één dingetje misgaat, één stap in het proces bijvoorbeeld, om dat te modificeren. Of als dit geneesmiddel door deze mensen gebruikt gaat worden, zou dat dan een gevaar voor de hele volksgezondheid zijn? En dan zeggen, dat weten we niet. Dan mag het niet op de markt. Als het een groot gevaar is, dan waarschijnlijk ook niet. En als het een heel klein gevaar is, dan kunnen we dat in de buis sluiten en training oplossen. Dan hebben we een voorzorgsprincipe, voorzorgbeginsel. En ik denk dat dat voor AI, zeker generatieve AI, heel goed geweest zou zijn. En we zijn dan natuurlijk rijkelijk laat mee. Dus ja, mooie vraag van de kaart. Ik ben daarvoor, omdat het dus innovatie niet tegen gaat. En twee, ik denk dat het goed is als sommige systemen niet per se al op de markt zijn. Omdat we weten dat die taalmodellen voor van alles ingezet worden, waarvoor ze niet bedoeld zijn. En die paper die ik eerder aanhaalde, die stochastische papagaaien, die zeiden al, dat waren Googlers die bij de afdeling AI en etiek werkten. Die schreven al in, nou wat zal het geweest zijn, 2021 of 2019 die paper. En zeiden die taalmodellen kun je niet voor het grote publiek toegankelijk maken. Want er zitten te veel vooroordelen. Ze hallucineren, maar wat is er zijn, papegaais. Klopt niet wat ze zeggen, maar het lijkt als zin wel te kloppen, wel plausibel. Maar je kunt het eigenlijk niet gewoon inzetten voor van alles. Dit is voor een research doel aan de superinteressant. Maar niet om aan het publiek te geven, ga het maar gebruiken. En wat gebeurt er in november 2022? ChatGPT zegt, hier, ga maar eens chatten met onze bot. Nou ja, dus daarom denk ik, nee, volgens mij is die regulering goed. Duidelijk. Ja, duidelijk. Ik neem aan dat je zelf in je werkzaamheden ook AI gebruikt. Waar heb je de afweging gemaakt die zegt van, ja, maar hier doe ik het niet. Misschien een aparte vraag voor een AI-podcast. Maar we zijn altijd wel een beetje op zoek naar de grens van wanneer wel, wanneer niet. Nou, dat is wel interessant. Ik ben met een tweede boek bezig, samen met Gabriela Obispa. En die heeft nu als werktitel niet onze AI. Maar de begrepen van de redacteur, eigenlijk moet je geen negatieve titel hebben. Dat werktitel. Dus dit is werktitel. En dat gaat er eigenlijk over, er zijn meer perspectieven op AI. Nu hebben we heel erg dat Silicon Valley, die wordt efficiënter. Of we gaan er allemaal aan. Of je baan gaat verdwijnen. Maar er zijn nog meer smaken, meer manieren van kijken. Dus die willen we met het boek door middel van verschillende mensen die andere ideeën hebben dan je vaak hoort, aan het woord te laten. Dan doen we interviews mee, die komen ook in het boek terug. Maar dat interview met de eerste persoon was Judith Zoe Blijden. En zij is filosoof en jurist. En dat hebben we toen met NotebookLM. Dat is een gereedschap van Google die dan allerlei tekstdocumenten omzet in een soort podcast. En toen hadden we een interview met haar, hadden we omgezet als NotebookLM podcast. En die dacht ik, die zet ik dan op Spotify en dan kunnen mensen naar het interview luisteren. Maar dat is natuurlijk Judith Zoe Bleiden helemaal niet waar je dan naar luistert. Dat is een Amerikaanse die met... Maar het lijken Amerikanen, maar het zijn synthetische mensen die niet bestaan. Synthetische stemmen. Dus toen had ik het met Gabriella over. En ik was daar wat te enthousiast over. Ik dacht, ja dat moeten we eigenlijk helemaal niet doen. Dit kan eigenlijk helemaal niet. En sommige mensen snapt het wel. Maar ik dacht, ja ik weet wel dat het niet de geïnterviewde is of Gabriella of ik. Maar dat is toch een beetje onduidelijk. En NRC heeft dit bijvoorbeeld gehad. Die hebben twee redacteuren uitgekozen waarvan de stemmen gekloond zijn. En die lezen nu, die stemmen lezen de artikelen voor. Daar hebben ze heel bewust voor gekozen. En dat hebben ze ook uitgelegd. Dan lezen ze daar heel transparant in. En daar vond ik het wel kunnen. Maar toen dacht ik, ja zelf heb ik me een beetje laten meeslepen door de technologie. Dan moet ik dit niet doen. Ja, dat moet geldig. Dus dat gebruiken we dan niet als output. En dat is eigenlijk weer wat veel journalisten zeggen. Daar doen we het niet voor. Dus niet generatieve AI om te publiceren. Maar wel ergens in je proces. Dus wij gebruiken we als we het interview opnemen. Dan gebruiken we, ik gebruik dan, ik heb zo'n Google. Pixel phone. Daar zit een recorder op. En die transcribeert direct mee, ook in Nederlands. Dan gebruiken we ook nog GoodTape.io. Dat gebruiken we heel veel journalisten. Dat is van Deense makelij door journalisten ontwikkeld. Als transcriptietool. Dus die schrijft dan ook nog een keer het audiofile uit. Zie je daar dan nog verschillende in? Ja, die GoodTape is iets beter. Vind ik iets scherper. Ook niet 100% waterdicht. Maar wel handig. Dan gebruik ik bijvoorbeeld GoodTape om te transcriberen. Dan gebruik ik bijvoorbeeld NotebookLM. Nog voordat we het interview hebben. Want dan kijk ik overal interviews en bio's van degenen die we gaan interviewen. Of die er zijn. En die zet ik dan in NotebookLM. En dan kan je een tijdlijn maken van wanneer je een cv vindt of LinkedIn. Dan kun je zelfs YouTube video's en andere urls inladen. En dat helpt heel handig om te researchen. En je kan zelfs een chatbot vragen. Dat mag zelfs bij de New York Times. Elke vragen zou jij stellen aan deze persoon. En dat is natuurlijk heel aardig om te bedenken. Oh, die drie had ik al bedacht. Die drie vind ik eigenlijk best wel goed. Arstikke slim, mooi. Die pak ik mee. En deze vragen staan nergens op. Die stel ik niet. Precies. Dus de mens is uiteindelijk verantwoordelijk. Maar zo, dus op al die fases. En ik gebruik languagetool.org. Als ik aan het uitschrijven ben. Of een inleiding schrijf. En die helpt me weer. En die zegt. Deze zin is 46 woorden lang. Weet je het zeker? En die kan het ook herformuleren voor je. Ja, die kan het herformuleren. En daar wordt het ook alweer spannend. Maar als je denkt. Ja, dit is eigenlijk wel mooier gezegd. Nou, dan kan ik zelf ervoor kiezen om dat te doen. Maar ik. En die geef je zelfs opties van. Je kan het heel formeel, informeel, zakelijk. En dat is wel handig. En dan dus dan heb je iets meer eindredactie. En dat doet hij niet. Wat mensen met een chatbot doen. Herschrijf dit stuk. Want dan weet je. Dan is het jouw stuk niet meer. Maar als je het zin voor zin doet. En je kunt het steeds aangeven. Ja of nee. En dan ben je er toch meer bij. Dan ben je toch meer. Nou ja, daarmee je tekst aan het boetseren is toch wat anders dan wat voor jou geschreven wordt. Ja, inderdaad. Boetseren is wel een mooi woord. Daarop voort had ik nog wel een vraag over de adoptie. Je hebt de hele traject meegemaakt. Ook in de media. En allemaal verschillende mensen die ermee aan de slag zijn. Wat is nou de meest voorkomende misvatting die mensen over AI hebben als ze ermee aan de slag gaan? Ja, dat is wel leuk. Want ik heb best wel wat driedaagse trainingen die ik toen zelf ontwikkeld heb gegeven nu aan best wel veel journalisten. En ze zeggen eigenlijk aan het eind van die driedaagse altijd drie dingen. Dus het gaat over demystificatie. Oftewel, de uitspraak is vaak het is helemaal niet zo magisch als ik dacht. Sterker nog, het is veel dommer dan ik dacht eigenlijk. Goed hoor. Dus dat is de eerste. De tweede is dat ze zeggen, het is heel veel handwerk. Ik had niet verwacht dat ik zoveel zelf eerst moest doen. Dus heel veel voorbeelden van niet en voorbeelden van wel. Of om het systeem te trainen, te leren van dit zoek ik. En dat het heel veel mensenwerk was. En daar ben ik altijd het blijst mee. Dat zeiden, ja, dus als jij er niet goed over nagedacht hebt. Als jij geen consensus hebt over we hebben zoveel vakjes nodig. En dit hoort in vakje A en dit in C. En ja, wanneer heeft iemand een kort haar of een lange baard? En dat lijkt nog makkelijker. Dat zal niet doen. Nou, laat staan. Wat is een vogel? Ja, is een eend een vogel? Dus dat soort discussies komen erachter. We moeten dus zelf heel duidelijk eerst weten waar we naar op zoek zijn. En wanneer we iets een goed resultaat vinden. Dus dat dwingt ze tot veel explicieter te zijn. Ook over kwaliteit eigenlijk. En dat vind ik altijd een mooie uitkomst. Dus het is geen magie. Het is heel veel handwerk. Een soort monnikenwerk. En het is dus heel veel mensenwerk. En dan kom je er heel snel op ethiek natuurlijk ook. Maar vooral, ja, je moet dus heel veel in gesprek met mensen. Als je dit goed wil doen. Voordat het echt werkt. Zeker als je zelf modellen traint. Absoluut. En wat zijn nou, als je iets verder kijkt. Weet je, hoe zal deze technologie, het medialandschap nog verder veranderen? Ja, dat vind ik best een interessante. Want er zijn natuurlijk voorbeelden. Als je de oude, eigenlijk de platform, digitale platform verdienmodellen aanhoudt. Dan zal er altijd een groep bedrijven zijn die advertenties wil koppelen aan inhoud. En als je dan je inhoud niet heel duur wil maken. Dan gebruik je AI om inhoud te genereren. En dan hoop je daar advertenties omheen te verkopen. En ik denk dat daar een kleine markt voor is. Dus dat zal ergens wel bestaan. Dus ik vergelijk het een beetje met manieren van eten. Je kunt naar een fastfoodketen gaan. En dan weten we allemaal hoe je je daarna, twee uur later of een dag daarna voelt. Je kunt naar een Michelin gaan. Tenminste, als je het je kunt veroorloven. En dat is ook zoiets. Maar je kunt thuis bezorgd. Je kunt zelf koken. Je kunt uitgebreid koken voor vrienden. Je kunt afhalen. Je kunt de pizza in de oven doen. En dat is AI ook. Dus AI biedt je eigenlijk, je hebt allemaal dat soort gradaties van gebruik van AI. En ook dat heeft weer te maken met de uitgangspunten. Dus sommige ondernemers of gebruikers die vinden het ene op dat moment oké. En in een andere situatie werkt het anders. Dus het is niet zo, het is ook hier heel grijs. Het is niet zwart-wit. Dus daar vergelijk ik het meer mee. En Marleen Stikker van Waag, kennen jullie misschien wel. Die heel veel onderzoek doen naar maatschappelijke acceptatie van technologie. Ja. Die zei ook van ja, we moeten ook ophouden met te zeggen van ja, maar ik vind AI, het is ook heel handig. Want ik kan een transcriberen of ik kan een plaatje maken om mijn verhaal beter uit te leggen aan iemand. Dus zei, daar moeten we mee ophouden. Want het is fijn dat je iemand kan videobellen in Australië. Dat is net als eten. Je hebt het nodig. Maar sommige eten is niet zo goed voor je. Dat moet je niet zo vaak eten. En sommige eten wordt zo verkeerd bereid. Dat moeten we verbieden. En dat is het met technologie ook. Dus we hebben het gewoon nodig. Net zoals dat je moet eten. Maar sommige technologie is beter dan andere. En daar moeten we het met elkaar over hebben. Mooie. Een mooie vergelijking. Ja. En ik was me wel nieuwsgierig. Achtergrond in design thinking. UX design. Hoe heeft dat je geholpen in de hele AI adoptie? Ja, dat heeft me vooral geholpen met nadenken om dat altijd de gebruiker centraal te stellen. Dus op welke manier zullen mensen nou geholpen zijn met deze technologie? En je ziet natuurlijk toch vaak, zeker die technologie, die pushen dit heel erg. Van je kunt nu dit en wij kunnen dat. En dat is natuurlijk vanuit engineers ontwikkeld. Vanuit programmeurs, developers. En die hebben een oplossend vermogen. Dus die zien problemen met technologie. Kun je dingen oplossen. Maar goed, als user experience designer en design thinking, ga je altijd van de gebruiker uit. Wat heeft die nodig? En dat is niet altijd een technologische oplossing. Maar we zitten nu eenmaal in een soort frame en in een wereld waarin de technologie voor van alles wordt ingezet. Om dingen op te lossen die je helemaal niet met technologie kunt oplossen. En dus daar zit mijn gedachte. En dat krijg ik vaak terug. Ook van journalisten, maar ook van anderen. Maar jij bent de AI-man in de journalistiek. En jij zegt ook heel vaak dat we het niet moeten doen. Ja, want ik denk toch dat je eerst moet kijken. Wat heeft je publiek nodig? Wat heeft die lezer nodig? Want er is nu heel veel onderzoek dat heel veel mensen nieuws aan het mijden zijn. Dat heeft heel veel verschillende redenen. En niet omdat ze het niet vertrouwen. Die groep is maar heel klein. We denken altijd dat dat... Die noemden we dan wappies. Wat ook heel oneerlijk en niet fijn is. Want mensen hebben gewoon behoefte. En dus als user experience kijk je. Wat zijn de behoeften van mensen? En de ene van is er is zoveel ellende in de wereld. Je kan dat niet al een hele dag volgen. Dus je moet me eigenlijk helpen hoe ik daarmee om moet gaan. In plaats van iedere dag weer al die berichtgeving. Die moet er ook zijn. Maar niet elke dag de hele tijd voor mij. Om weer met eten te gaan. Ik hoef niet de hele dag, iedere dag broccoli te eten. Ik wil ook wel eens een keer iets anders. En de journalistiek geeft me te veel broccoli de hele dag. En ik denk als de journalistiek daarnaar luistert. Hoe kunnen we ook gewoon een keer iets... Het hoeft niet ongezond, maar het mag wel wat variatie en wat lekkerder. Of iets anders. En daar kan AI soms bij helpen. En dat geloof ik ook zeker. En dan moet je weten wat je kan. En dan moet je ermee experimenteren. En wat Freek Stap zei bijvoorbeeld. Behoedzaam experimenteren. Maar dat betekent dus ook dat je in heel veel gevallen zegt. Nee, we hebben geen AI nodig. Precies. Inderdaad. We moeten gewoon de markt op en naar mensen luisteren. En vragen waar wij nou op door moeten. En wat we niet meer moeten doen. Dat helpt ons. Maar hoe zou je... Even kijken of we dat nog wat concreter kunnen maken. Niet alleen voor de luisteraar, maar ook voor mij. Want ik ben het helemaal met je eens. Uiteindelijk haal je namelijk... Niet ieder probleem los op met technologie. Laat staan met AI. We hebben het heel vaak met AI. Wat jij ook zei. Over productiviteitswinst. En allemaal efficiëntie. En dat soort dingen. Maar het meest productief en efficiënt... Word je door dingen niet te doen. Dus vanuit jouw design thinking... Hoe kan je dan mensen helpen... Om dingen niet meer te doen. Want dat is echt wel heel moeilijk. Het is heel makkelijk om mensen meer te laten doen. Weet je, nog een procesje erbij. Nog een takenpakketje. Nog een... Hoe zorg je met design thinking... Dat je minder gaat doen. Nou, dat is eigenlijk wel een leuke. Want dat voert ons een beetje terug naar die Google News Lab tijd. Dan deden we met design thinking een soort design sprint. Dus vier, vijf dagen begin je met een idee of probleem. En dan ga je heel methodisch input halen. Dus mensen die er wat van weten. En inspirerende voorbeelden. En dan ga je kijken van... Wat zijn we nou eigenlijk aan het oplossen? Wat is het echte probleem? Dan ga je over oplossingen nadenken. En dan prototype bouwen. En de laatste dag test je die met gebruikers. Zodat je eigenlijk al een validatie hebt. Zit hier nou iets in? Moeten we hiermee door? Of juist helemaal niet? Als je er niet mee door moet zijn... Dan heb je maar vijf dagen verbrand. En niet al weken en 10.000 euro's. En als je er wel moet doen... Dan heb je een hele goede richting. En dan een soort prototype om op voelen te werken. En dat heb ik gedaan een keer met een Zweedse krant. De Dagens Nieheter. Dat is een soort van De Volkrant of NRC van Zweden. En die waren weer geïnspireerd door Spotify. Want die waren erachter gekomen. Daar was ik toevallig ook bij met hun inspiratie lezing. Dat de heavy users... De veel gebruikers van Spotify aan een aantal jaar geleden... Die maakten playlists voor situaties. Zondagochtend. Sporten. Studeren. Bijkomen. En daar hadden zij nooit over nagedacht. Maar hun data wetenschappers... Die hadden opeens door dat de veel gebruikers... Uren besteden aan het... Ja, ze noemen dat een craft. En zeg maar. Als een soort ambacht. Mensen de perfecte playlist samen zijn voor de zondagochtend of voor. Studeren. En toen dachten ze... Ja, maar niet alle gebruikers hebben die tijd om zo'n playlist voor zichzelf samen te stellen. Wat nou als wij de niet zo zware gebruiker helpen door alvast die playlist aan te bieden? Dan kunnen we mensen voor inhuren. Dat deden ze ook. Maar daar kunnen we natuurlijk ook technologie voor gebruiken om te kijken. Welke nummers passen er nou bij zondagochtend en bij studeren? Ja. En dat hebben ze gedaan. En dat werd een onwijs succes. Dus dat werd uiteindelijk ook bijvoorbeeld... Wat heb je nu? De Discover Weekly, de Daily. Ja, en je hebt inderdaad zo'n zondagochtend... Dat zij erachter kwamen van die veel gebruikers die doen dat zelf. Niet iedereen heeft daar tijd voor eigenlijk wat je zegt. Dus hoe kunnen we die nou helpen om minder te doen? Ik weet niet of de veel gebruikers minder playlist zijn. Maar ze wilden zich nog meer onderscheiden. En dat wilde die krant eigenlijk ook. En die waren erachter gekomen dat ze heel veel nieuws brachten. Toen zijn ze een aantal vier dingen gaan doen geloof ik. Wat moeten we maken van volgens onze missie? Waartoe zijn wij op aard? Dat is dit gedeelte. Wat wordt er gewaardeerd volgens onze lezer? Zowel kwantitatief, analytics bekeken, maar ook kwalitatief. Echt gebruikersonderzoek gedaan. En als derde, wat willen de mensen die hier werken graag maken? Wat vinden zij belangrijk? En toen hadden ze dat, op die manier hadden ze alles wat ze maakten geanalyseerd. En toen bleek geloof dat ze 20% niet meer moesten te maken. Het werd niet gelezen. Het was niet nodig vanuit de missie. En de mensen die er werkte wilden het niet maken. En toen dachten ze, wat nou als we daarmee stoppen? En toen hebben ze wel gezegd, maar dan wel. Niet dat we dan weer meer items moeten maken. Maar dat we dan meer tijd krijgen voor de dingen die we wel moeten maken. Die mensen waarderen, die we willen maken en die bij de missie horen. Kwaliteit over kwantiteit. Precies. En dat hebben ze ook gekregen. Dus de managers hebben ervoor gezorgd dat ze niet... Oh ja, maar je hoeft nu minder te maken, dus je kan nu vijf interviews doen in plaats van drie. Nee, dan besteden we meer tijd aan wat er in meer landelijk Zweden gebeurt. Omdat we daar te weinig aandacht aan besteden. En dat willen mensen wel. Dus die tijd die we winnen door een aantal dingen niet te doen, kunnen we nu besteden aan de blinde vlekken bijvoorbeeld. Wat een goed voorbeeld. Dus dat vond ik een heel mooi voorbeeld. Ja. En dan wat je zich aangeeft, ook wel binnen de organisatie ervoor zorgen dat het ook niet inderdaad in een keer die vijf interviews wordt. Nee, want dat slaapt er natuurlijk vaak in. Want dat wordt dan vaak gezegd van AI doet onze banen verdwijnen. En ik maak het dan altijd heel te simpel. Maar dan, ja, als er tien mensen zijn die allemaal tien procent iets doen wat straks AI beter kan, dan gaat er bij tien mensen tien procent af. Ja. Ja, dan is het niet zo dat... Soms zou je dan zeggen, nou dan gaat er één persoon uit. Want je hebt nog maar negen FTE nodig. Maar de economist zei, bedrijven zullen het bijna nooit zo redeneren. Die zeggen, nee, dan krijg je iets anders. Ja, precies. Toch? Ja. En wie is daar dan mee gevonden uiteindelijk? Want een bedrijf zou altijd met minder middelen eigenlijk meer output willen. Want ontslaan is niet leuk. En Messi, en weet je, dat levert veel meer andere gedoe op. Precies. Dus liever met dezelfde mensen en technologie meer output. Ja. Maar goed, ja. Dat is kwantitatief. Ja. We zijn ook nog wel benieuwd van, stel je zou helemaal vrij mogen denken. Zonder enige beperking. Ja, waar jij AI voor zou willen toepassen. En dat kan in je werk zijn, dat kan in je privéleven zijn. En dan geven we je even wat bedenktijd voor ook. Ja, dat is wel een hele goede vraag. Ook wel een moeilijke vraag. Ja. Dus als alles mag. Ja, alles mag, alles kan. En ik merk dat ik dan meteen al zit te denken, privacy. Maar het kan natuurlijk heel fijn zijn als je technologie kunt inzetten. Bijvoorbeeld, je wil iets nieuws leren. En dat kan ook over geschiedenis gaan of over politiek. Maar het kan ook over je wil wielrennen of je wil je eigen meubels maken. Het kan natuurlijk heel fijn zijn als je dan een gereedschap hebt als een persoon te duur is. Die je gewoon precies vertelt wat je nu moet doen. En die dan anticipeert op wat je nodig hebt. Dus vragen die je hebt. Of je pakt nu deze hamer. Maar je zou het beter eerst even voor kunnen boren. Noem je dat. En dat die dus al een antwoord heeft, of hulp heeft, voordat je de vraag formuleert. Aan de andere kant ontneem je mensen natuurlijk ook om ergens tegenaan te lopen. Want die frictie is heel belangrijk voor leven. En dat begrijp ik ook altijd. Want zeker als het over creativiteit gaat. En dan heb je juist verrassing, prikkeling en schuring nodig. Frustratie misschien zelfs wel om het te overwinnen. En als alles de hele tijd perfect goed gaat. Ja, dat zou ik dan ook weer niet leuk vinden. Dus ik ben hier. Ik heb een soort intern conflict. En dat maakt me menselijk. En daar wijs ik ook vaak op. Van zorgen voor dat je ergens weet dat het schuurt. Want dan heb je iets te pakken. Ja. Bob Ross zei altijd. There are no mistakes. But only happy accidents. Die happy accidents heb je natuurlijk ook nodig. Ja, en volgens mij hebben we meerdere onderzoekers. Want die discussie over AI en creativiteit. Die krijg je niet beslecht. Dus dat hoeft ook niet. Maar een van die dingen vond ik wel aardig. Dat wij lijfelijk zijn. Dus vlees en bloed. En eindig. En dat maakt wel dat we andere behoeften hebben. Dan machines die niet uit hoeven of nooit moe zijn. En dat moeten we benutten. En dat klinkt een beetje filosofisch of zo. Maar dat vind ik wel een belangrijke. En dat denk ik ook als je verhalen maakt. Omdat ik natuurlijk veel met media en makers en journalisten werk. Van ja, waar zit dat dan? Dat eindigen, dat schaarse, dat vleselijke. Dat er iets wel nu moet. Want als dat over duizend jaar kan. Waarom zou je het dan vandaag doen? Dat haalt heel veel urgentie weg. Dus waar het dan schuurt. Daar heb je iets te pakken. Mooi. Mooi. Wat ik nog wel benieuwd ben. Je was er vroeg bij. Er zijn nu mensen die luisteren. En die denken van, ik wil eigenlijk ook wel de technologie misschien wat meer omarmen. Waar zouden ze wat jou betreft moeten beginnen? Om meer over AI te leren bijvoorbeeld. Of dat je zegt van, ik wil eigenlijk meer AI toepassen in mijn mediawerk. Wat zou een goed startpunt voor ze zijn? Ja, er zijn meerdere digitale plekken natuurlijk. Ik kan zelfs zeggen van, volgende training, ik lees mijn boek. Nieuwe boek sowieso. Een ander boek is dan in AI-term al eeuwen oud. Dat is tegen juli 2022. Dat is natuurlijk al. En ik denk dat het nog steeds interessant is. Je hebt de nationale AI-cursus online handig. Maar dan kan je op je eigen tempo dingen volgen en lezen. Je kunt natuurlijk tegenwoordig overal over AI lezen. Ik zou zelfs kunnen zeggen van, leg gewoon je vraag als prompt aan een chatbot voor. Alhoewel ik daar natuurlijk ook denk van, dat is ook qua energieverbruik misschien niet altijd handig. Maar die kan wel een plan voor je maken. Wat ik de laatste tijd interessant vind, ook weer haat-liefde, is de agenten binnen de AI. Dus er is nu een soort nieuwe, hoe moet ik zeggen, nieuwe evolutie in de AI. Is dat je met een chatbot kan je een prompt geven, krijg je een antwoord terug. Hij kan nu ook redeneren, dus hij kan je laten zien van, dit en dat zou je kunnen doen. En hij kan op het echte web zoeken, dus hij kan actuele informatie in de antwoorden meenemen. Maar die agenten kunnen ook taken uitvoeren. Dus die kunnen dan uit hun chatbot interface, zoals ze dat dan noemen, Die kunnen op eBay dingen gaan bestellen of die kunnen concertkaartjes voor je boeken. Maar die kunnen bijvoorbeeld ook op universiteitswebsites de tien beste biologen in Nederland vinden, die je morgen bijvoorbeeld wilt interviewen. Oh ja. En dan kun je vragen, geef me de e-mailadres, de telefoonnummers in een Excel sheet en dan krijg je dat. Maar als je zegt beste, wie bepaalt dan beste? Maar dat gaat nog een stap verder, dan wordt het eng. Want dit noemen ze tool-based, dus gereedschap-based. Je geeft instructies en de agent voert ze voor je uit. En dan zeggen ze, het Engels is on your behalf, dus namens jou. Google Pixel heeft als je gebeld wordt, dan kan je je digitale AI-agent laten opnemen. Dus dan zegt hij met een gekloonde stem, dit is de agent van Laurens, hij kan even niet opnemen. Je kunt met mij vast het gesprek starten. En dan kan ik op mijn telefoon meelezen, dan wordt het gesprek live getranscribeerd, wat die beller vertelt. Dan denk ik, deze moet ik even opnemen, dan kan ik het inbreken. Maar het wordt spannender als je die journalist bent en je hebt die bioloog nodig morgen. En je zegt, bel alle tiende mensen maar even op. De beste AI-agent van me, met mijn stem gekloond. Bel ze alle tien op. Als ze willen en kunnen morgen om half tien in de uitzending, dan wil ik ze live aan de telefoon. Als ze niet kunnen, dan hoef ik al die telefoontjes niet te construeren. Maar dan wordt het spannend. Dit vinden mensen al spannend genoeg. Dan wordt het nog spannend. Wat als die agent voor jou, namens jou afspraken maakt. Bijvoorbeeld dat die bioloog zegt, ik word veel gevraagd. Ik moet eigenlijk ook nog een college voorbereiden of tentamens nakijken. Is er een vergoeding? En dat die agent zegt, ja hoor, 250 euro. Maar je werkt bij een publieke omroep of een krant en dat doe je niet. Uit principe niet. Maar dan heeft jouw agent gezegd, ja hoor, dat is er, 250 euro. Dus die bioloog komt de volgende dag en die stuurt daarna een factuur. En dit lijkt hypothetisch, maar dit gaat gebeuren. Dus dan zou ik zeggen, ga hier wel naar kijken. Want men zegt, en dit komt zeker ook weer uit Silicon Valley, ga die agenten gebruiken. Want die nemen je dan die gereedschappen. Dat soort simpele taken. Want heel veel mensen zouden volgens Silicon Valley in hun werk vooral copy pasten van het ene programma naar het andere. Van het web naar Excel of naar Word. Of PowerPoint. Nou, dat kan je ook een agenten laten doen. En dat kan ook wel een beetje. Dus ik zou daar zeker naar gaan kijken om er ook weer achter te komen van, maar wat maakt me dan weer menselijk? En ja, niet alles in het leven is hopelijk taak gebaseerd. Nee, zeker niet. Dat hoop ik altijd. En in je werk ook niet, hoop ik. Want waar je voor gewaardeerd wordt, is niet dat je heel goed bent in de routine. In de copy pasten. In de copy pasten. Maar goed, dan is het wel interessant om even terug te komen op de vraag. Ga daar wel naar kijken, want dit kan wel een nieuwe evolutie zijn. En ze zijn nu misschien nog niet zo goed, al heb ik al best wel aardige experimentjes mee gedaan en gezien. Als je vooral wil bedenken hoe het is, dan heb ik een podcast tip. Mag dat? Zeker, uiteraard. Die is van Evan Redliff. Dat is een Amerikaanse onderzoeksjournalist. En die heeft een podcast Shell Game. Wat hij daar heeft gedaan is, is zijn eigen stem gekloond. Hij heeft een soort ChatGPT getraind met al zijn eigen stukken en biografische gegevens. En hij heeft een programmaatje gevonden dat kan bellen. En dan koppelt hij zijn eigen stemkloon aan zijn eigen ChatGPT. En dan gaat hij mensen opbellen. Dus eerst zijn vrouw en dan zegt hij, of die kloon gaat mensen bellen. En dan zegt hij, wat zullen we doen dit weekend? En dan heeft hij dat gesprek opgenomen en hij geeft commentaar zelf voor die podcast. En het tweede is, dan gaat die helpdesk voor de gein een beetje zitten pesten. En dan gaat hij fraudeurs terugbellen om ze terug te pesten. Maar dan gaat hij zijn twee kloons met elkaar laten bellen. Kijken waar het gesprek over gaat. En het is hilarisch en beangstigd gelijk. Dat is echt een aanrader. Oh leuk. Shell Game heet hij. We zullen hem opnemen in de show note. En dan heb je een idee van, dit is met agenten interessant. En dit is, dan denk je, dit kan gaan gebeuren. Dit gebeurt ook al. Dat laat hij ook horen. Dan denk je, maar dit moeten we niet willen. Maar dan krijg je een heel goed idee over agenten. Ah, mooi. Lawrence, ontzettend bedankt voor al je inzichten. Vooral ook de praktische voorbeelden. Ik denk dat dat heel erg tot de verbeeldingen spreekt. Dank je wel dat je in de studio wilde komen. Ik vond het leuk. Ja, hartstikke goed. En voor de luisteraar. Leuk dat je uiteraard weer luisterde. Zorg dat je je even abonneert via je favoriete podcast app. Dan mis je geen aflevering. Tot de volgende keer. Tot de volgende keer. [Muziek]